sambamba — samtools 的高效平替工具

2024-02-24 03:52
文章标签 工具 高效 平替 samtools sambamba

本文主要是介绍sambamba — samtools 的高效平替工具，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

sambamba — samtools 的高效平替工具

sambamba 是一个 BAM 文件处理工具。

sambamba
sambamba

它使用了 D 语言的多线程和异步 IO 特性，实现了高效的并行化处理。sambamba 可以在多核 CPU 上同时运行多个任务，利用硬盘和内存的带宽，提高了处理速度。sambamba 还使用了一些优化算法和数据结构，比如快速排序，哈希表，位图等，减少了内存占用和磁盘读写。

sambamba 支持 samtools 和 picard 的大部分功能，而且速度更快，内存占用更少，操作更简单。sambamba 不仅可以对 BAM 文件进行排序、索引、过滤、统计、标记重复等常见的操作，还可以进行一些特殊的功能，比如区域过滤，标记重复序列，检测结构变异等。sambamba 还支持多种输入和输出格式，比如 CRAM、SAM、BED、VCF 等，让我们可以灵活地处理各种数据类型。

此外，sambamba 还弥补了 samtools 无法对超过 512Mb 长度的染色体建立 bam 文件索引的缺陷，例如：

$ samtools index -b test.sort.bam test.sort.bam.bai
[E::hts_idx_check_range] Region 536870922..536871063 cannot be stored in a bai index. Try using a csi index[E::sam_index] Read 'E00548:269:HV7NVCCXY:3:2117:26494:57301' with ref_name='chr1H', ref_length=558535432, flags=81, pos=536870923 cannot be indexed
samtools index: failed to create index for "Atlas.sort.bam": Numerical result out of range

错误信息表明区域 536870922..536871063 无法存储在 .bai 索引中，并建议尝试使用 .csi 索引。但是 GATK 等一些生信工具不支持 .csi 格式的索引文件。sambamba 能够给最大参考序列长度的 bam 文件构建 bai 索引。

https://lomereiter.github.io/sambamba/docs/sambamba-markdup.html

安装方式

使用 conda 安装

conda install -c bioconda sambamba
/opt/miniconda3/bin/sambamba

安装日期：23/12/25

安装版本：1.0.0

源码安装

从 https://github.com/biod/sambamba/releases/tag/v1.0.1 下载安装包。

wget -c https://github.com/biod/sambamba/archive/refs/tags/v1.0.1.tar.gz
tar -zxvf sambamba-1.0.1.tar.gz
cd sambamba-1.0.1
make

这个时候可能会报错

which: no ldmd2 in (/opt/miniconda3/condabin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin)
python3 ./gen_ldc_version_info.py  > utils/ldc_version_info_.d
make: *** [utils/ldc_version_info_.d] Error 1

系统无法在给定的路径中找到 ldmd2 命令。ldmd2 是 D 语言编译器 LDC 的一部分。这个错误通常表明 LDC 没有被正确安装，或者其安装位置没有被加入到系统的环境变量 PATH 中。

LDC 编译器的 Github 存储库提供二进制版本。Sambamba 当前首选的版本是 LDC - LLVM D 编译器(>= 1.6.1)。从 https://github.com/ldc-developers/ldc/releases/ 安装 LDC：

wget https://github.com/ldc-developers/ldc/releases/download/v1.35.0/ldc2-1.6.1-linux-x86_64.tar.xz
tar xvJf ldc2-1.35.0-linux-x86_64.tar.xz
export PATH=/app/sambamba-1.0.1/ldc2-1.35.0-linux-x86_64/bin:$PATH
export LIBRARY_PATH=/app/sambamba-1.0.1/ldc2-1.35.0-linux-x86_64/lib

再安装 sambamba

make
cd bin
echo "export PATH=`pwd`:$PATH" >>~/.bashrc
source ~/.bashrc

或者直接使用预编译版本

wget https://github.com/biod/sambamba/releases/download/v1.0.1/sambamba-1.0.1-linux-amd64-static.gz
gzip -d sambamba-1.0.1-linux-amd64-static.gz
chmod 755 sambamba-1.0.1-linux-amd64-static
mkdir sambamba-1.0.1
mv sambamba-1.0.1-linux-amd64-static sambamba-1.0.1/
ln -s /app/sambamba-1.0.1/sambamba-1.0.1-linux-amd64-static /usr/local/bin/sambamba

使用方式

安装完成后直接运行看一下 sambamba 功能：

$ /opt/miniconda3/bin/sambamba
                                                                                                                                                    
sambamba 1.0.0                                                                                                                                      
 by Artem Tarasov and Pjotr Prins (C) 2012-2022                                                                                                     
    LDC 1.28.1 / DMD v2.098.1 / LLVM12.0.0 / bootstrap LDC - the LLVM D compiler (1.28.1)                                                           
                                                                                                                                                    
                                                                                                                                                    
Usage: sambamba [command] [args...]                                                                                                                 
                                                                                                                                                    
  Available commands:                                                                                                                               
                                                                                                                                                    
    view        view contents and convert from one format                                                                                           
                to another (SAM/BAM/JSON/UNPACK)                                                                                                    
    index       build index (BAI)                                                                                                                   
    merge       merge files (BAM)                                                                                                                   
    sort        sort file (BAM)
    slice       slice file (BAM using BED)
    markdup     mark or remove duplicates (BAM)
    subsample   subsample (BAM)
    flagstat    output statistics (BAM)
    depth       output statistics (BAM)
    validate    simple validator (BAM)

  No longer recommended:

    mpileup     parallel execution of samtools (BAM)

To get help on a particular command, call it without args.

Global options

    -q          quiet mode (do not show banner)

For bug reports and feature requests see

       https://github.com/biod/

sambamba 的主要功能如下：

  • sort: 对 SAM/BAM 文件进行排序，可以按照位置或者名称排序，支持多线程和压缩。
  • index: 对 BAM 文件建立索引，可以加速后续的查看和切片操作。
  • view: 查看 SAM/BAM 文件的内容，可以指定输出格式和过滤条件，也可以查看参考序列的信息。
  • merge: 合并多个 BAM 文件，可以自动处理 header 和压缩级别。
  • flagstat: 统计 BAM 文件中的 reads 的标志位，可以显示 QC 通过和失败的 reads 数目，以及各种配对情况和重复情况。
  • markdup: 标记或者移除 BAM 文件中的重复 reads，可以设置临时文件目录和压缩级别，使用 Picard 算法。
  • slice: 提取 BAM 文件中的某个区域，可以指定输出格式和过滤条件。
  • subsample: 对 BAM 文件进行子采样。子采样是指从原始数据中随机选择一部分数据，以便在保留原始数据特征的同时减少数据量，可以提高计算效率。
  • depth: 输出统计信息（BAM）
  • validate: 简单验证器（BAM）
  • mpileup 变异检测（不推荐）

flagstat — 统计

从 read flags 中提取和输出统计信息

统计信息第一行是过质量控制（QC-passed）和未通过质量控制（QC-failed）的 read 数量，然后分别对通过和未通过的 read 进行统计

index — 建索引

sambamba index test.sort.bam test.sort.bam.bai

depth — 覆盖度统计

用于计算 BAM 文件中指定区域覆盖深度，这个工具在玩法上显著优于 samtools。

 sambamba depth region|window|base [options] input.bam [input2.bam [...]]

优势在于该工具有三种模式：base、region 和 window，每种模式的名称表示以其作为单位输出统计数据：

公共选项

  • -F, --filter=FILTER: 设置对比对的自定义过滤条件。默认值是 'mapping_quality > 0 and not duplicate and not failed_quality_control'，这意味着只计算那些映射质量大于0、非重复、质量控制通过的read
  • -o: 指定输出文件名，默认输出到标准输出
  • -t: 设定线程
  • -c, --min-coverage=MINCOVERAGE: 设置输出的最小平均覆盖深度，默认为0（region/window模式）或1（base模式）。只有平均覆盖度达到这个阈值的区域才会被报告
  • -C, --max-coverage=MAXCOVERAGE: 设置输出的最大平均覆盖深度。这有助于识别和排除异常高覆盖的区域
  • -q, --min-base-quality=QUAL: 不计算低于此质量值的碱基。这有助于提高覆盖深度计算的准确性
  • --combined: 输出所有样本的组合统计。通常用于比较多个样本的覆盖深度
  • -a, --annotate: 添加额外的列来标记是否满足给定的标准，而不是跳过不满足条件的记录
  • -m, --fix-mate-overlaps: 检测配对读取的重叠部分，并在每个碱基的基础上处理它们；这有助于更准确地计算覆盖度

base 模式特定选项

  • -L, --regions=FILENAME|REGION

    （可选）指定感兴趣区域的列表或单个区域的形式（例如 chr:beg-end）。通常用于分析特定基因或区域的覆盖深度。

region 模式特定选项

  • -L, --regions=FILENAME|REGION

    （必要）与上面的 base 模式选项相同，但必需。

  • -T, --cov-threshold=COVTHRESHOLD

    提供一个或多个覆盖度阈值，对于每个阈值，会添加一个额外的列，显示区域中覆盖度超过此值的碱基的百分比。

这个模式是最有用的，结合它我们可以输出染色体上的碱基覆盖深度及占比。

window 模式特定选项

  • -w, --window-size=WINDOWSIZE: 窗口的宽度，以碱基对（bp）为单位（必需）；这定义了计算覆盖度的窗口大小
  • --overlap=OVERLAP: 连续窗口之间的重叠，以碱基对（bp）为单位（默认是0）；这可以帮助平滑覆盖度的变化
  • -T, --cov-threshold=COVTHRESHOLD: 与 'region' 子命令中的含义相同，表示覆盖度的阈值

结果会生成一个文本文件，列出了每个染色体上每个碱基位置的覆盖度。

slice 拆分 bam 文件

sambamba slice input.bam chr1H:10000-20000 > output.bam

markdup — 去重

sambamba markdup OPTIONS <input.bam> <output.bam>
sambamba markdup -t 4 --tmpdir=./tmp/ ./test.bam  ./test.markdup.bam 2>>log/sambamba_markdup_log.txt

-t：线程数

-r：表示删除重复，默认仅标记不删除

--tmpdir=TMPDIR：指定临时文件的目录

--overflow-list-size=OVERFLOW_LIST_SIZE：增加大小会减少创建的临时文件的数量。

如果出现 Too many open files 报错，需要通过使用 ulimit -n 8000 或添加 --overflow-list-size=600000 来解决

扫码关注微信公众号【生信F3】获取文章完整内容，分享生物信息学最新知识。 ShengXinF3_QRcode

本文由 mdnice 多平台发布

这篇关于sambamba — samtools 的高效平替工具的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/740879。

相关文章

SQLite3命令行工具最佳实践指南

SQLite3命令行工具最佳实践指南

《SQLite3命令行工具最佳实践指南》SQLite3是轻量级嵌入式数据库,无需服务器支持,具备ACID事务与跨平台特性,适用于小型项目和学习,sqlite3.exe作为命令行工具,支持SQL执行、数... 目录1. SQLite3简介和特点2. sqlite3.exe使用概述2.1 sqlite3.exe
阅读更多...
C++高效内存池实现减少动态分配开销的解决方案

C++高效内存池实现减少动态分配开销的解决方案

《C++高效内存池实现减少动态分配开销的解决方案》C++动态内存分配存在系统调用开销、碎片化和锁竞争等性能问题,内存池通过预分配、分块管理和缓存复用解决这些问题,下面就来了解一下... 目录一、C++内存分配的性能挑战二、内存池技术的核心原理三、主流内存池实现：TCMalloc与Jemalloc1. TCM
阅读更多...
基于Python实现一个Windows Tree命令工具

基于Python实现一个Windows Tree命令工具

《基于Python实现一个WindowsTree命令工具》今天想要在Windows平台的CMD命令终端窗口中使用像Linux下的tree命令,打印一下目录结构层级树,然而还真有tree命令,但是发现... 目录引言实现代码使用说明可用选项示例用法功能特点添加到环境变量方法一：创建批处理文件并添加到PATH1
阅读更多...
使用jenv工具管理多个JDK版本的方法步骤

使用jenv工具管理多个JDK版本的方法步骤

《使用jenv工具管理多个JDK版本的方法步骤》jenv是一个开源的Java环境管理工具,旨在帮助开发者在同一台机器上轻松管理和切换多个Java版本,：本文主要介绍使用jenv工具管理多个JD... 目录一、jenv到底是干啥的？二、jenv的核心功能（一）管理多个Java版本（二）支持插件扩展（三）环境隔
阅读更多...
Python基于微信OCR引擎实现高效图片文字识别

Python基于微信OCR引擎实现高效图片文字识别

《Python基于微信OCR引擎实现高效图片文字识别》这篇文章主要为大家详细介绍了一款基于微信OCR引擎的图片文字识别桌面应用开发全过程,可以实现从图片拖拽识别到文字提取,感兴趣的小伙伴可以跟随小编一... 目录一、项目概述1.1 开发背景1.2 技术选型1.3 核心优势二、功能详解2.1 核心功能模块2.
阅读更多...
Python使用smtplib库开发一个邮件自动发送工具

Python使用smtplib库开发一个邮件自动发送工具

《Python使用smtplib库开发一个邮件自动发送工具》在现代软件开发中,自动化邮件发送是一个非常实用的功能,无论是系统通知、营销邮件、还是日常工作报告,Python的smtplib库都能帮助我们... 目录代码实现与知识点解析1. 导入必要的库2. 配置邮件服务器参数3. 创建邮件发送类4. 实现邮件
阅读更多...
基于Python构建一个高效词汇表

基于Python构建一个高效词汇表

《基于Python构建一个高效词汇表》在自然语言处理（NLP）领域,构建高效的词汇表是文本预处理的关键步骤,本文将解析一个使用Python实现的n-gram词频统计工具,感兴趣的可以了解下... 目录一、项目背景与目标1.1 技术需求1.2 核心技术栈二、核心代码解析2.1 数据处理函数2.2 数据处理流程
阅读更多...
CnPlugin是PL/SQL Developer工具插件使用教程

CnPlugin是PL/SQL Developer工具插件使用教程

《CnPlugin是PL/SQLDeveloper工具插件使用教程》：本文主要介绍CnPlugin是PL/SQLDeveloper工具插件使用教程,具有很好的参考价值,希望对大家有所帮助,如有错... 目录PL/SQL Developer工具插件使用安装拷贝文件配置总结PL/SQL Developer工具插
阅读更多...
Python中bisect_left 函数实现高效插入与有序列表管理

Python中bisect_left 函数实现高效插入与有序列表管理

《Python中bisect_left函数实现高效插入与有序列表管理》Python的bisect_left函数通过二分查找高效定位有序列表插入位置,与bisect_right的区别在于处理重复元素时... 目录一、bisect_left 基本介绍1.1 函数定义1.2 核心功能二、bisect_left 与
阅读更多...
Python使用FFmpeg实现高效音频格式转换工具

Python使用FFmpeg实现高效音频格式转换工具

《Python使用FFmpeg实现高效音频格式转换工具》在数字音频处理领域,音频格式转换是一项基础但至关重要的功能,本文主要为大家介绍了Python如何使用FFmpeg实现强大功能的图形化音频转换工具... 目录概述功能详解软件效果展示主界面布局转换过程截图完成提示开发步骤详解1. 环境准备2. 项目功能结
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2